CN118503832B 一種基于多模態大模型的工業智能檢測方法及系統 （杭州祐全科技發展有限公司）

一種基于多模態大模型的工業智能檢測方本發明提出了一種基于多模態大模型的工多模態數據的融合極大提升了對復雜工業環境2對不同采集設備的時間同步精度要求和性能差異進行分析，設置時實施定期的時間同步校準，通過比對時間基準源和采設計統一的時間戳分配機制，并引入數據標簽，為每個數據點分配建立時間同步性能監控體系，實時監測采集設備的時間同步狀態、同步精根據監控結果和數據分析，動態調整時間同步策略、優化同步3對數據類型的特性和工業檢測的具體需求進行分析，并根據模型對篩選后的模型進行深入性能測試，記錄每個維度的詳細數據，根據綜合評分，再次選擇性能表現三分之一的模型作為集成模在獨立的驗證集上對集成模型進行性能測試，驗證其在未知數4系統根據預設的閾值范圍對多模態大模型的通過異常置信度評估機制，結合模型輸出的不確定性估計和歷史異常通過多維度的異常嚴重程度評估指標體系，通過綜合評分法或層次根據異常嚴重程度評分，對多個并發異常進行優先級排序，優先級高基于內置的應急措施庫，針對不同類型、不同嚴重程度的異常制定根據異常類型、嚴重程度以及當前工業現場的實際狀況，從應急措8.一種用于實現如權利要求1所述的基于多模態大模型的工業智能檢測方法的系統，部署應用模塊：將訓練好的多模態大模型部署到工業現場，實5量和安全性成為了企業關注的核心問題。傳統的工業檢測方法往往依賴于單一模態的數據6[0020]對不同采集設備的時間同步精度要求和性能差異進行分7[0052]S55、根據多模態大模型的檢測結果和異常報告，對工業生產的參數進行自動調[0056]通過異常置信度評估機制，結合模型輸出的不確定性估[0057]高置信度的異常將被優先處理，而低置信度的異常則進入進一步驗證或觀察階8理方案；9或長短時記憶網絡LSTM用于時間序列數據等從處理后的數據中自動提取出與工業檢測通過數據完整性檢查、數據一致性校驗和數據有效性評估等多個維度對數據進行全面監續處理和分析提供了更好的基礎；根據數據的重要性和緊急程度設置不同的緩存優先級，議將時間基準信號分發至所有采集設備；[0108]對不同采集設備的時間同步精度要求和性能差異進行分[0116]上述技術方案的工作原理為選擇GPS時間服務器或原子鐘等高精度時間基準源，入允許對不同參數進行不同程度的重視或忽視，從而根據不同場景和需求進行靈活調整。投票法來集成多個模型的預測結果；利用特征選擇算法從提取的特征中篩選出關鍵特征。型還能夠有效減少單一模型可能存在的過擬合或欠擬合問題，提高系統的穩定性和可靠si是第i個模型的綜合評分，m表示模型的性能指標、pj表示第iwij表示對應于pj的權重，也即這內尋找最優的超參數組合。超參數調優能夠進一步提升集成模型的性能。在獨立的驗證集上對集成模型進行性能測試，驗證其在未知數據上的表現。通過對比集成前后的模型性能際需求。[0136]上述技術方案的效果為：通過對數據類型特性和工業檢測具體需求的深入分析，型在多個維度上均表現優異；將多個性能表現優秀的模型通過預設的集成方法組合成一個時間序列等該方案能夠針對不同類型的數據選擇合適的模型，并通過集成策略增強模型的跨模態適應能力；在初步篩選和深入性能測試階段，可以通過模擬不同的工業場景和異常情況來評估模型的泛化能力，確保模型在實際應用中能夠穩定可靠地工作；通過科學的選模型在實際部署時能夠充分利用現有資源，避免資源浪費；預設的集成方法可以根據實際需求進行調整和優化，以適應不同場景下的檢測任務；在獨立的驗證集上對集成模型進行性能測試，并根據驗證結果對集成策略和模型參數進行迭代優化，確保模型性能能夠持模型。每個性能指標都通過其對應的權重被考慮在內，這確保了模型評估的完整性和全面估則能更準確地反映模型在實際應用中的表現；權重的引入使得評估者可以根據實際需求靈活調整不同性能指標的重要性。在工業檢測中，某些性能指標可能比其他指標更為重要不同性能指標的量綱和取值范圍可能差異很大，直接進行比較可能導致偏誤。通過標準化性能瓶頸和提升空間；根據評估結果采用梯度下降算法對交互模塊的參數進行迭代更新，[0158]上述技術方案的效果為：通過收集各種工業場景下的多[0164]S55、根據多模態大模型的檢測結果和異常報告，對工業生產的參數進行自動調間的高效傳輸。將訓練好的多模態大模型轉換為符合工業現場部署的格式，如參數進行自動調整。這種調整可能是基于模型對生產過程的深入理解和對潛在問題的預[0171]高置信度的異常將被優先處理，而低置信度的異常則進入進一步驗證或觀察階[0182]模型